Grafik Histogram dan normal probability plot pada gambar 4.1 dan 4.2 dapat terlihat bentuk kurva pada histogram memiliki bentuk seperti
lonceng dan itu menunjukkan bahwa data telah terdistribusi secara normal serta pada normal grafik normal p-p plot terlihat titik menyebar di sekitar
garis diagonal dan mengikuti arah garis diagonal yang menunjukkan bahwa data telah berdistribusi secara normal.
4.2.2 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1
sebelumnya. Cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan uji Durbin Watson. Pengambilan
keputusan ada tidaknya autokorelasi menurut Durbin Watson adalah sebagai berikut:
1. angka D-W dibawah -2 berarti ada autokorelasi positif, 2. angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi,
3. angka D-W di atas +2 berarti ada autokorelasi negatif. Hasil dari uji autokorelasi dapat dilihat pada tabel 4.4.
Universitas Sumatera Utara
Tabel 4.4 Hasil Uji Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
dimension0
1 .687
a
.472 .375
.300199 1.570
a. Predictors: Constant, FCF, SIZE, Ln_IOS, LEVERAGE, ROA b. Dependent Variable: DPR
Dari hasil uji Durbin-Watson pada tabel 4.4 dapat diketahui Durbin-Watson sebesar 1,570 berdasarkan syarat pengambilan keputusan
diatas angka Durbin-Watson berada di antara -2 dan +2 -2 1,570 2, maka dapat disimpulkan
bahwa tidak ada autokorelasi positif maupun autokorelasi negatif antar residual.
4.2.3 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas. Pada program
SPSS ada beberapa metode yang sering digunakan untuk mendeteksi adanya multikolinearitas. Menurut Situmorang, dkk 2008:104 Salah
satunya adalah dengan cara membandingkan nilai Variance Inflation Factor VIF dan Tolerance yaitu Tolerance 0,1 sedangkan VIF 5.
Universitas Sumatera Utara
Tabel 4.5 Hasil Uji Multikolonieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant ROA
.248 4.031
LEVERAGE .504
1.986 SIZE
.669 1.496
Ln_IOS .376
2.662 FCF
.686 1.458
a. Dependent Variable: DPR
Sumber: Output SPSS 18, 2013
Berdasarkan uji multikolinearitas pada Tabel 4.5, dapat dilihat bahwa nilai tolerance untuk semua variabel dalam penelitian ini memiliki
nilai lebih besar dari 0,10 dan nilai VIF untuk semua variabel dalam penelitian ini memiliki nilai lebih kecil dari 5, dan dapat disimpulkan
bahwa semua data variabel dalam penelitian ini terbebas dari gejala multikolinearitas.
4.2.4 Uji Heteroskedastisitas